˙ ISTAT ˙ IST ˙ IK I: Olasılık ve Da˘ gılım Teorisi Kavramlarının G¨ozden Ge¸ cirilmesi H¨ useyin Ta¸ stan 1 1 Yıldız Teknik ¨ Universitesi ˙ Iktisat B¨ ol¨ um¨ u 22 Eyl¨ ul 2012 Ekonometri: Olasılık ve Da˘ gılım - H. Ta¸ stan 1
ISTATISTIK I:Olasılık ve Dagılım Teorisi Kavramlarının Gozden
Gecirilmesi
Huseyin Tastan1
1Yıldız Teknik Universitesi
Iktisat Bolumu
22 Eylul 2012
Ekonometri: Olasılık ve Dagılım - H. Tastan 1
Istatistik Biliminin Ugrası Alanları
Veriden anlam cıkarılması, ozetlenmesi
Belirsizlik: neyin oldugu degil, neyin olası oldugu
Ornekleme (sampling): anakutlenin (population) tumune aitbilgi toplamak cogu zaman imkansızdır. Bunun yerineanakutleye iliskin analiz bu anakutleyi en iyi temsil eden birornekleme dayandırılabilir.
Iktisadi iliskilerin analizi: Ekonometrinin alanı
Kestirim (Prediction)
Belirsizlik altında karar alma
Ekonometri: Olasılık ve Dagılım - H. Tastan 2
Istatistik Biliminin Ugrası Alanları
Veriden anlam cıkarılması, ozetlenmesi
Belirsizlik: neyin oldugu degil, neyin olası oldugu
Ornekleme (sampling): anakutlenin (population) tumune aitbilgi toplamak cogu zaman imkansızdır. Bunun yerineanakutleye iliskin analiz bu anakutleyi en iyi temsil eden birornekleme dayandırılabilir.
Iktisadi iliskilerin analizi: Ekonometrinin alanı
Kestirim (Prediction)
Belirsizlik altında karar alma
Ekonometri: Olasılık ve Dagılım - H. Tastan 2
Istatistik Biliminin Ugrası Alanları
Veriden anlam cıkarılması, ozetlenmesi
Belirsizlik: neyin oldugu degil, neyin olası oldugu
Ornekleme (sampling): anakutlenin (population) tumune aitbilgi toplamak cogu zaman imkansızdır. Bunun yerineanakutleye iliskin analiz bu anakutleyi en iyi temsil eden birornekleme dayandırılabilir.
Iktisadi iliskilerin analizi: Ekonometrinin alanı
Kestirim (Prediction)
Belirsizlik altında karar alma
Ekonometri: Olasılık ve Dagılım - H. Tastan 2
Istatistik Biliminin Ugrası Alanları
Veriden anlam cıkarılması, ozetlenmesi
Belirsizlik: neyin oldugu degil, neyin olası oldugu
Ornekleme (sampling): anakutlenin (population) tumune aitbilgi toplamak cogu zaman imkansızdır. Bunun yerineanakutleye iliskin analiz bu anakutleyi en iyi temsil eden birornekleme dayandırılabilir.
Iktisadi iliskilerin analizi: Ekonometrinin alanı
Kestirim (Prediction)
Belirsizlik altında karar alma
Ekonometri: Olasılık ve Dagılım - H. Tastan 2
Istatistik Biliminin Ugrası Alanları
Veriden anlam cıkarılması, ozetlenmesi
Belirsizlik: neyin oldugu degil, neyin olası oldugu
Ornekleme (sampling): anakutlenin (population) tumune aitbilgi toplamak cogu zaman imkansızdır. Bunun yerineanakutleye iliskin analiz bu anakutleyi en iyi temsil eden birornekleme dayandırılabilir.
Iktisadi iliskilerin analizi: Ekonometrinin alanı
Kestirim (Prediction)
Belirsizlik altında karar alma
Ekonometri: Olasılık ve Dagılım - H. Tastan 2
Istatistik Biliminin Ugrası Alanları
Veriden anlam cıkarılması, ozetlenmesi
Belirsizlik: neyin oldugu degil, neyin olası oldugu
Ornekleme (sampling): anakutlenin (population) tumune aitbilgi toplamak cogu zaman imkansızdır. Bunun yerineanakutleye iliskin analiz bu anakutleyi en iyi temsil eden birornekleme dayandırılabilir.
Iktisadi iliskilerin analizi: Ekonometrinin alanı
Kestirim (Prediction)
Belirsizlik altında karar alma
Ekonometri: Olasılık ve Dagılım - H. Tastan 2
ISTATISTIK
ISTATISTIK I ISTATISTIK II
Olasılık Teorisi Ornekleme ve Orneklem DagılımlarıRassal Degiskenler Nokta ve Aralık Tahmini
Kesikli ve Surekli R.D. Hipotez TestiOlasılık Fonksiyonu Regresyon ve Korelasyon
Beklenen Deger, Moment Parametrik Olmayan TestlerNormal Dagılım Varyans Analizi
Merkezi Limit Teoremi
Ekonometri: Olasılık ve Dagılım - H. Tastan 3
RASSAL DEGISKENLER ve OLASILIK DAGILIMLARI
Rassal (Stokastik) Degisken (r.d.) : Alacagı deger belli birrassal denemenin sonucuna baglı olan, bu degere iliskinkesinlik bulunmayan degisken. Buyuk harflerle gosterecegiz.
x: rassal degisken X’in aldıgı belli bir deger.
Kesikli r.d. : Alacagı degerler sayılabilir (sonlu ya da sonsuz)olan rassal degiskenler. Ornegin, iki zar atımında uste gelensayıların toplamı, belli bir uretim bandında bir calısanın yaptıgıhata sayısı, bir bankaya 15 dk icinde gelen musteri sayısı, vb.
Surekli r.d.: Belli bir aralıkta her hangi bir degeri alabilenrassal degisken. Bir cok iktisadi degisken bu gruba girer,ornegin, bir sehirdeki ortalama harcanabilir gelir, belli birdonemdeki enflasyon oranı, IMKB100 endeksinin kapanısdegeri, bir yılda yapılan toplam ihracat tutarı, vb.
Ekonometri: Olasılık ve Dagılım - H. Tastan 4
RASSAL DEGISKENLER ve OLASILIK DAGILIMLARI
Rassal (Stokastik) Degisken (r.d.) : Alacagı deger belli birrassal denemenin sonucuna baglı olan, bu degere iliskinkesinlik bulunmayan degisken. Buyuk harflerle gosterecegiz.
x: rassal degisken X’in aldıgı belli bir deger.
Kesikli r.d. : Alacagı degerler sayılabilir (sonlu ya da sonsuz)olan rassal degiskenler. Ornegin, iki zar atımında uste gelensayıların toplamı, belli bir uretim bandında bir calısanın yaptıgıhata sayısı, bir bankaya 15 dk icinde gelen musteri sayısı, vb.
Surekli r.d.: Belli bir aralıkta her hangi bir degeri alabilenrassal degisken. Bir cok iktisadi degisken bu gruba girer,ornegin, bir sehirdeki ortalama harcanabilir gelir, belli birdonemdeki enflasyon oranı, IMKB100 endeksinin kapanısdegeri, bir yılda yapılan toplam ihracat tutarı, vb.
Ekonometri: Olasılık ve Dagılım - H. Tastan 4
RASSAL DEGISKENLER ve OLASILIK DAGILIMLARI
Rassal (Stokastik) Degisken (r.d.) : Alacagı deger belli birrassal denemenin sonucuna baglı olan, bu degere iliskinkesinlik bulunmayan degisken. Buyuk harflerle gosterecegiz.
x: rassal degisken X’in aldıgı belli bir deger.
Kesikli r.d. : Alacagı degerler sayılabilir (sonlu ya da sonsuz)olan rassal degiskenler. Ornegin, iki zar atımında uste gelensayıların toplamı, belli bir uretim bandında bir calısanın yaptıgıhata sayısı, bir bankaya 15 dk icinde gelen musteri sayısı, vb.
Surekli r.d.: Belli bir aralıkta her hangi bir degeri alabilenrassal degisken. Bir cok iktisadi degisken bu gruba girer,ornegin, bir sehirdeki ortalama harcanabilir gelir, belli birdonemdeki enflasyon oranı, IMKB100 endeksinin kapanısdegeri, bir yılda yapılan toplam ihracat tutarı, vb.
Ekonometri: Olasılık ve Dagılım - H. Tastan 4
RASSAL DEGISKENLER ve OLASILIK DAGILIMLARI
Rassal (Stokastik) Degisken (r.d.) : Alacagı deger belli birrassal denemenin sonucuna baglı olan, bu degere iliskinkesinlik bulunmayan degisken. Buyuk harflerle gosterecegiz.
x: rassal degisken X’in aldıgı belli bir deger.
Kesikli r.d. : Alacagı degerler sayılabilir (sonlu ya da sonsuz)olan rassal degiskenler. Ornegin, iki zar atımında uste gelensayıların toplamı, belli bir uretim bandında bir calısanın yaptıgıhata sayısı, bir bankaya 15 dk icinde gelen musteri sayısı, vb.
Surekli r.d.: Belli bir aralıkta her hangi bir degeri alabilenrassal degisken. Bir cok iktisadi degisken bu gruba girer,ornegin, bir sehirdeki ortalama harcanabilir gelir, belli birdonemdeki enflasyon oranı, IMKB100 endeksinin kapanısdegeri, bir yılda yapılan toplam ihracat tutarı, vb.
Ekonometri: Olasılık ve Dagılım - H. Tastan 4
OLASILIK DAGILIMLARI - KESIKLI
f(x) ile gosterecegiz,
f(x) ≥ 0,
f(x) = P (X = x),∑
x f(x) = 1, Bu toplam x’in alabilecegi tum degerleruzerinedir,
Birikimli dagılım fonksiyonu:P (X ≤ x0) = F (x0) =
∑
x≤x0f(x)
Ekonometri: Olasılık ve Dagılım - H. Tastan 5
KESIKLI OLASILIK DAGILIMLARI
Ornek: 3 para atılıyor ve tura (T) gelme sayısı X ilegosteriliyor.Bu deneyde ortaya cıkabilecek sonuclar sunlardır: (TTT),(TTY), (TYT), (YTT), (TYY), (YTY), (YYT), ve (YYY).Bu 8 sonuc karsılıklı olarak bagdasmazdır ve herbirinin gelmeolasılıgı aynıdır. Olasılık: 1/8.X’in alabilecegi degerler: 0, 1, 2, and 3.X rassal degiskeninin dagılımını bulalım.
Sonuclar x f(x)YYY 0 1/8YYT 1YTY 1 3/8TYY 1YTT 2TYT 2 3/8TTY 2TTT 3 1/8
Ekonometri: Olasılık ve Dagılım - H. Tastan 6
X’in olasılık dagılımı:
x 0 1 2 3
f(x) = P (X = x) 18
38
38
18
∑
x f(x) = 1
P (X ≤ 1) =?
P (1 ≤ X ≤ 3) =?
Ekonometri: Olasılık ve Dagılım - H. Tastan 7
X’in birikimli olasılık dagılımı
F (x) = P (X ≤ x) =
0, x < 0;18 , 0 ≤ x < 1;12 , 1 ≤ x < 2;78 , 2 ≤ x < 3;1, x ≥ 3.
Ekonometri: Olasılık ve Dagılım - H. Tastan 8
Kesikli Olasılık Dagılımı
−1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 40
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
x
f(x)
OLASILIK FONKSIYONU
−1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 40
0.2
0.4
0.6
0.8
1
x
F(x
)
BIRIKIMLI OLASILIK FONKSIYONU
Kesikli r.d.’lerin BEKLENEN DEGERLERI
Kesikli r. d. X’in beklenen degeri
E(X) =∑
x
xf(x)
g(x), X’in bir fonksiyonu olsun, g(x)’in beklenen degeri
E(g(X)) =∑
x
g(x)f(x)
Ekonometri: Olasılık ve Dagılım - H. Tastan 10
Kesikli r.d.’lerin BEKLENEN DEGERLERI
Kesikli r. d. X’in beklenen degeri
E(X) =∑
x
xf(x)
g(x), X’in bir fonksiyonu olsun, g(x)’in beklenen degeri
E(g(X)) =∑
x
g(x)f(x)
Ekonometri: Olasılık ve Dagılım - H. Tastan 10
ORNEK
Onceki ornekte X’in beklenen degerini bulun.
(i) g(x) = x2’nin beklenen degerini bulun.
E(X2) = 01
8+ 1
3
8+ 4
3
8+ 9
1
8= 3
Ekonometri: Olasılık ve Dagılım - H. Tastan 11
ORNEK
Onceki ornekte X’in beklenen degerini bulun.
(i) g(x) = x2’nin beklenen degerini bulun.
E(X2) = 01
8+ 1
3
8+ 4
3
8+ 9
1
8= 3
Ekonometri: Olasılık ve Dagılım - H. Tastan 11
Kesikli r.d.’lerin VARYANSları
Tanım:
Var(X) = E[
(X − E(X))2]
= E[
(X2 − 2XE(X) + (E(X))2)]
= E(
X2)
− 2E (XE(X)) + E(
(E(X))2))
= E(
X2)
− 2E(X)2 + (E(X))2
= E(
X2)
− E(X)2
µx = E(X) dersek varyans
Var(X) = E(
X2)
− µ2x
olarak yazılabilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 12
Kesikli r.d.’lerin VARYANSları
Tanım:
Var(X) = E[
(X − E(X))2]
= E[
(X2 − 2XE(X) + (E(X))2)]
= E(
X2)
− 2E (XE(X)) + E(
(E(X))2))
= E(
X2)
− 2E(X)2 + (E(X))2
= E(
X2)
− E(X)2
µx = E(X) dersek varyans
Var(X) = E(
X2)
− µ2x
olarak yazılabilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 12
Kesikli r.d.’lerin MOMENTLERI
Tanım: Kesikli r.d. X’in knci momenti
µk = E(Xk) =∑
x
xkf(x) k = 0, 1, 2, ...
1. moment µ1 = E(X) =⇒ populasyon ortalaması2. moment µ2 = E(X2) = Var(X) + µ2
1
3. moment µ3 = E(X3)4. moment µ4 = E(X4)
Ekonometri: Olasılık ve Dagılım - H. Tastan 13
Kesikli r.d.’lerin MERKEZI MOMENTLERI
Tanım: Kesikli r.d. X’in knci merkezi momenti
mk = E((X − µ1)k) =
∑
x
(x− µ1)kf(x) k = 0, 1, 2, ...
1. merkezi moment m1 = 02. merkezi moment m2 = E((X − µ1)
2) = Var(X)3. merkezi moment m3 = E((X − µ1)
3)4. merkezi moment m4 = E((X − µ1)
4)
Ekonometri: Olasılık ve Dagılım - H. Tastan 14
Kesikli r.d.’lerin STANDART MOMENTLERI
Tanım: Kesikli r.d. X’in knci standart momenti
γk =mk
σkk = 0, 1, 2, ...
Burada σ populasyon standart sapmasıdır:
σ =√
Var(X) =
√
E[
(X − µ1)2]
1. standart moment γ1 = 02. standart moment γ2 = 1 neden?3. standart moment γ3 = m3
σ3 carpıklık (skewness)4. standart moment γ4 = m4
σ4 basıklık (kurtosis)
Ekonometri: Olasılık ve Dagılım - H. Tastan 15
Bazı Kesikli Dagılımlar
Bernoulli
Binom
Hipergeometrik
Poisson
Ekonometri: Olasılık ve Dagılım - H. Tastan 16
Bernoulli(p) Dagılımı
f(x) =
{
p, if X = 11− p, if X = 0
Beklenen Deger:
E(X) =∑
x
xf(x) = p · 1 + (1− p) · 0 = p
Ikinci Moment:
E(X2) =∑
x
x2f(x) = p · 1 + (1− p) · 0 = p
Varyans (ikinci merkezi moment):
Var(X) = E(X2)− (E(X))2 = p− p2 = p(1− p)
Ekonometri: Olasılık ve Dagılım - H. Tastan 17
BINOM DAGILIMI
X, n bagımsız Bernoulli denemesinde 1 degerini alma (basarı)sayısı olsun. Yani eger Y Bernoulli(p) ise X =
∑
(Y ), Binom(n, p)dagılımına uyar. X toplam basarı sayısı.
f(x) =
(
nx
)
px(1−p)n−x =n!
x!(n− x)!px(1−p)n−x, x = 0, 1, 2, . . . , n
E(X) = np
Var(X) = np(1− p)
Ekonometri: Olasılık ve Dagılım - H. Tastan 18
HIPERGEOMETRIK DAGILIM
Eger Bernoulli denemeleri birbirinden bagımsız degilse, toplambasarı sayısı Binom dagılımına uymaz. Icinde B tane basarıbulunan N nesneli rassal bir orneklemde, toplam basarı sayısı X’inolasılık dagılımı
f(x) =
(
Bx
)(
N −Bn− x
)
(
Nn
)
Burada x max(0, n − (N −B)) ve min(n,B) arasında tamsayıdegerler alabilir
E(X) = np, V ar(X) =N − n
N − 1np(1− p), p =
B
N
Ekonometri: Olasılık ve Dagılım - H. Tastan 19
POISSON DAGILIMI
Bir olayın belli bir zaman diliminde gerceklesme sayısıNotasyon: X ∼ Poisson(λ), pmf:
f(x, λ) =λxe−λ
x!, x = 0, 1, 2, . . .
E(X) = λ
Var(X) = λ
skewness =1√λ
excess kurtosis =1
λ
Ekonometri: Olasılık ve Dagılım - H. Tastan 20
Kesikli r.d. icin ORTAK DAGILIMLAR
ORTAK OLASILIK FONKSIYONU: Birden fazla r.d.’in ortakdavranısını betimlemek istiyoruz. Once iki degiskenli durumuinceleyelim. X ve Y iki r.d. olsun. Bunların ortak olasılık fonksiyonu
f(x, y) = P (X = x ∩ Y = y)
Daha genel olarak X1,X2, . . . ,Xk k tane kesikli r.d. ise bunlarınortak olasılık fonksiyonu soyle olur:
f(x1, x2, . . . , xk) = P (X1 = x1 ∩X2 = x2,∩, . . . ,∩Xk = xk)
Ekonometri: Olasılık ve Dagılım - H. Tastan 21
Ornek
X: Bir bankada 1 nolu gisede sırada bekleyen musteri sayısı, Y : Birbankada 2 nolu gisede sırada bekleyen musteri sayısı. Bu iki r.d.icin ortak olasılık fonksiyonu asagıdaki tabloda verilmistir.
y \ x 0 1 2 3 Toplam
0 0.05 0.21 0 0 0.261 0.20 0.26 0.08 0 0.542 0 0.06 0.07 0.02 0.153 0 0 0.03 0.02 0.05
Toplam 0.25 0.53 0.18 0.04 1.00
Ekonometri: Olasılık ve Dagılım - H. Tastan 22
MARJINAL OLASILIK FONKSIYONU
Ortak olasılık fonksiyonu biliniyorsa, bundan hareketle marjinal yada tekil olasılık fonksiyonları elde edilebilir.X’in marjinal olasılık fonksiyonu:
f(x) =∑
y
f(x, y)
Y ’nin marjinal olasılık fonksiyonu:
f(y) =∑
x
f(x, y)
Ekonometri: Olasılık ve Dagılım - H. Tastan 23
KOSULLU OLASILIK FONKSIYONU
Ortak olasılık fonksiyonu biliniyorsa, bundan hareketle kosulluolasılık fonksiyonları elde edilebilir.Y = y verilmisken X’in kosullu olasılık fonksiyonu:
f(x|y) = f(x, y)
f(y)
X = x verilmisken Y ’nin kosullu olasılık fonksiyonu:
f(y|x) = f(x, y)
f(x)
Ekonometri: Olasılık ve Dagılım - H. Tastan 24
BAGIMSIZLIK
X ve Y r.d.’lerinin istatistik bakımından bagımsız oldugunusoyleyebilmemiz icin asagıdaki kosulun saglanması gerekir:
f(x, y) = f(x)f(y)
Baska bir deyisle
f(x|y) = f(x), vef(y|x) = f(y)
Ekonometri: Olasılık ve Dagılım - H. Tastan 25
KOVARYANS
g(X,Y ), X ve Y r.d.’lerinin herhangi bir fonksiyonunu ifade etsin.Bu fonksiyonun beklenen degeri:
E [g(X,Y )] =∑
x
∑
y
g(x, y)f(x, y)
g(X,Y ) = (X − µx)(Y − µy) olsun. Bu fonksiyonun beklenendegerine KOVARYANS denir:
Cov (X,Y ) =∑
x
∑
y
(x− µx)(y − µy)f(x, y)
Ekonometri: Olasılık ve Dagılım - H. Tastan 26
SUREKLI RASSAL DEGISKENLER ve OLASILIKDAGILIMLARI
X surekli bir r.d. ise verilmis bir aralıkta herhangi bir degerialabilir. Bir surekli rassal degiskenin belli bir degere esit olmaolasılıgından (kesikli r.d. gibi) bahsedemeyiz. Ancak verilmis biraralık icine dusme olasılıklarını bulabiliriz.f(x): olasılık yogunluk fonksiyonu. Ozellikleri:
f(x) ≥ 0∫∞
−∞f(x)dx = 1
Pr(a < X < b) =∫ ba f(x)dx
Ekonometri: Olasılık ve Dagılım - H. Tastan 27
SUREKLI RASSAL DEGISKENLER ve OLASILIKDAGILIMLARI
X surekli bir r.d. ise verilmis bir aralıkta herhangi bir degerialabilir. Bir surekli rassal degiskenin belli bir degere esit olmaolasılıgından (kesikli r.d. gibi) bahsedemeyiz. Ancak verilmis biraralık icine dusme olasılıklarını bulabiliriz.f(x): olasılık yogunluk fonksiyonu. Ozellikleri:
f(x) ≥ 0∫∞
−∞f(x)dx = 1
Pr(a < X < b) =∫ ba f(x)dx
Ekonometri: Olasılık ve Dagılım - H. Tastan 27
SUREKLI RASSAL DEGISKENLER ve OLASILIKDAGILIMLARI
X surekli bir r.d. ise verilmis bir aralıkta herhangi bir degerialabilir. Bir surekli rassal degiskenin belli bir degere esit olmaolasılıgından (kesikli r.d. gibi) bahsedemeyiz. Ancak verilmis biraralık icine dusme olasılıklarını bulabiliriz.f(x): olasılık yogunluk fonksiyonu. Ozellikleri:
f(x) ≥ 0∫∞
−∞f(x)dx = 1
Pr(a < X < b) =∫ ba f(x)dx
Ekonometri: Olasılık ve Dagılım - H. Tastan 27
Ornek Olasılık Yogunluk Fonksiyonu
x
f(x)
P(a<X<b) =∫ b
af(x)dx
a b0
BIRIKIMLI OLASILIK FONKSIYONU
X surekli r.d. icin birikimli olasılık fonksiyonu, ya da dagılımfonksiyonu, X’in belli bir x degerini asmama olasılıgı olaraktanımlanır ve F (x) ile gosterilir.
F (x) = P (X ≤ x) =
∫ x
−∞
f(t)dt
oyf ile dagılım fonksiyonu arasındaki iliski:
f(x) =dF (x)
dx
Ekonometri: Olasılık ve Dagılım - H. Tastan 29
BIRIKIMLI OLASILIK FONKSIYONU
F (x)’in ozellikleri:
F (−∞) = 0, F (+∞) = 1
Buna gore F (x), x’in azalmayan bir fonksiyonudur. x1 ≤ x2 olmakuzere F (x1) ≤ F (x2).
P (a < X < b) = F (b)− F (a) =
∫ b
af(x)dx
P (−∞ < X < +∞) = P (−∞ < X < a)+P (a < X < b)+P (b < X < +∫ ∞
−∞
f(x)dx =
∫ a
−∞
f(x)dx+
∫ b
af(x)dx+
∫ +∞
bf(x)dx
F (+∞)−F (−∞) = [F (a)−F (−∞)]+P (a < X < b)+[F (+∞)−F (b)]
1 = F (a)− 0 + P (a < X < b) + 1− F (b)
P (a < X < b) = F (b)− F (a)
Ekonometri: Olasılık ve Dagılım - H. Tastan 30
Ornek oyf ve Birikimli oyf
x
f(x)
a b0
∫ b
af(x)dx = F (b)−F (a)
F (a) −F (−∞) = F (a)
F (+∞)−F (b) = 1 −F (b)
SUREKLI r.d.’lerin BEKLENEN DEGERLERI
E(X) ≡ µx =
∫ ∞
−∞
xf(x)dx
g(x), X’in bir fonksiyonu ise,
E(g(X)) =
∫ ∞
−∞
g(x)f(x)dx
Var(X) =
∫ ∞
−∞
(x− µx)2f(x)dx
Ekonometri: Olasılık ve Dagılım - H. Tastan 32
Varyans
Integral ozellikleri kullanılarak V ar(X) asagıdaki gibi yazılabilir:
Var(X) = E[
(X − E(X))2]
≡∫ ∞
−∞
(x− µx)2f(x)dx
=
∫ ∞
−∞
x2f(x)dx+ µ2x
∫ ∞
−∞
f(x)dx− 2µx
∫ ∞
−∞
xf(x)dx
=
∫ ∞
−∞
x2f(x)dx−(∫ ∞
−∞
xf(x)dx
)2
= E(X2)− µ2x
Burada∫∞
−∞f(x)dx = 1 ve
∫∞
−∞xf(x)dx = E(X) ≡ µx
ozelliklerini kullandık. Bunu kesikli r.d.ler icin de gostermistik.
Ekonometri: Olasılık ve Dagılım - H. Tastan 33
Surekli r.d.’lerin MOMENTLERI
Tanım: Surekli r.d. X’in knci momenti
µk = E(Xk) =
∫
x∈Xxkf(x)dx k = 0, 1, 2, ...
1. moment µ1 = E(X) =⇒ populasyon ortalaması2. moment µ2 = E(X2) = V ar(X) + µ2
1
3. moment µ3 = E(X3)4. moment µ4 = E(X4)
Ekonometri: Olasılık ve Dagılım - H. Tastan 34
Surekli r.d.’lerin MERKEZI MOMENTLERI
Tanım: Surekli r.d. X’in knci merkezi momenti
mk = E((X − µ1)k) =
∫
x∈X(x− µ1)
kf(x)dx k = 0, 1, 2, ...
1. merkezi moment m1 = 02. merkezi moment m2 = E((X − µ1)
2) = V ar(X)3. merkezi moment m3 = E((X − µ1)
3)4. merkezi moment m4 = E((X − µ1)
4)
Ekonometri: Olasılık ve Dagılım - H. Tastan 35
BEKLENTI ISLEMCISININ OZELLIKLERI
Dogrusallık: X rassal degiskeninin dogrusal bir fonksiyonuY = a+ bX olsun. Y ’nin beklenen degeri:
E[Y ] = E[a+ bX] = a+ bE(X)
X1,X2, . . . ,Xn rassal degiskenlerinin asagıdaki gibi birfonksiyonu tanımlanıyor:
Y = b1X1 + bnX2 + . . .+ bnXn
Y ’nin beklenen degeri:
E[Y ] = b1E[X1] + b2E[X2] + . . .+ bnE[Xn]
ya da kısaca
E(Y ) = E
(
n∑
i=1
biXi
)
=n∑
i=1
biE(Xi)
Ekonometri: Olasılık ve Dagılım - H. Tastan 36
BEKLENTI ISLEMCISININ OZELLIKLERI
Dogrusallık: X rassal degiskeninin dogrusal bir fonksiyonuY = a+ bX olsun. Y ’nin beklenen degeri:
E[Y ] = E[a+ bX] = a+ bE(X)
X1,X2, . . . ,Xn rassal degiskenlerinin asagıdaki gibi birfonksiyonu tanımlanıyor:
Y = b1X1 + bnX2 + . . .+ bnXn
Y ’nin beklenen degeri:
E[Y ] = b1E[X1] + b2E[X2] + . . .+ bnE[Xn]
ya da kısaca
E(Y ) = E
(
n∑
i=1
biXi
)
=n∑
i=1
biE(Xi)
Ekonometri: Olasılık ve Dagılım - H. Tastan 36
BEKLENTI ISLEMCISININ OZELLIKLERI
X’in dogrusal olmayan bir fonksiyonu icin genellikle
E[h(X)] 6= h(E(X))
Ornegin, E(X2) 6= (E(X))2, E(ln(X)) 6= ln(E(X))
X ve Y gibi iki r.d. icin
E
(
X
Y
)
6= E(X)
E(Y )
Ekonometri: Olasılık ve Dagılım - H. Tastan 37
BEKLENTI ISLEMCISININ OZELLIKLERI
X’in dogrusal olmayan bir fonksiyonu icin genellikle
E[h(X)] 6= h(E(X))
Ornegin, E(X2) 6= (E(X))2, E(ln(X)) 6= ln(E(X))
X ve Y gibi iki r.d. icin
E
(
X
Y
)
6= E(X)
E(Y )
Ekonometri: Olasılık ve Dagılım - H. Tastan 37
BEKLENTI ISLEMCISININ OZELLIKLERI
X’in dogrusal olmayan bir fonksiyonu icin genellikle
E[h(X)] 6= h(E(X))
Ornegin, E(X2) 6= (E(X))2, E(ln(X)) 6= ln(E(X))
X ve Y gibi iki r.d. icin
E
(
X
Y
)
6= E(X)
E(Y )
Ekonometri: Olasılık ve Dagılım - H. Tastan 37
VARYANSIN OZELLIKLERI
Herhangi bir c sabit sayısı icin
Var(c) = 0
Y = bX’in varyansı, b sabit
Var(Y ) = Var(bX) = b2Var(X)
Y = a+ bX’in varyansı
Var(Y ) = Var(a+ bX) = b2Var(X)
X ve Y iki bagımsız r.d. ise
Var(X + Y ) = Var(X) + Var(Y )
Var(X − Y ) = Var(X) + Var(Y )
Bu kural n r.d. icin genellestirilebilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 38
VARYANSIN OZELLIKLERI
Herhangi bir c sabit sayısı icin
Var(c) = 0
Y = bX’in varyansı, b sabit
Var(Y ) = Var(bX) = b2Var(X)
Y = a+ bX’in varyansı
Var(Y ) = Var(a+ bX) = b2Var(X)
X ve Y iki bagımsız r.d. ise
Var(X + Y ) = Var(X) + Var(Y )
Var(X − Y ) = Var(X) + Var(Y )
Bu kural n r.d. icin genellestirilebilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 38
VARYANSIN OZELLIKLERI
Herhangi bir c sabit sayısı icin
Var(c) = 0
Y = bX’in varyansı, b sabit
Var(Y ) = Var(bX) = b2Var(X)
Y = a+ bX’in varyansı
Var(Y ) = Var(a+ bX) = b2Var(X)
X ve Y iki bagımsız r.d. ise
Var(X + Y ) = Var(X) + Var(Y )
Var(X − Y ) = Var(X) + Var(Y )
Bu kural n r.d. icin genellestirilebilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 38
VARYANSIN OZELLIKLERI
Herhangi bir c sabit sayısı icin
Var(c) = 0
Y = bX’in varyansı, b sabit
Var(Y ) = Var(bX) = b2Var(X)
Y = a+ bX’in varyansı
Var(Y ) = Var(a+ bX) = b2Var(X)
X ve Y iki bagımsız r.d. ise
Var(X + Y ) = Var(X) + Var(Y )
Var(X − Y ) = Var(X) + Var(Y )
Bu kural n r.d. icin genellestirilebilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 38
Surekli Standart Uniform (Tekduze) Dagılım
Notasyon: X ∼ U(0, 1), oyf:
f(x) =
{
1, if 0 < x < 1,0, otherwise.
(1)
E(X) =1
2
Var(X) =1
12
Ekonometri: Olasılık ve Dagılım - H. Tastan 39
(Genel) Uniform (Tekduze) Dagılım
Notasyon: X ∼ U(a, b), oyf:
f(x; a, b) =
{ 1b−a if a < x < b,
0, otherwise.
E(X) =b− a
2
Median =b− a
2
Var(X) =(b− a)2
12
Skewness = 0
Excess kurtosis = −6
5
Ekonometri: Olasılık ve Dagılım - H. Tastan 40
X ∼ U(a, b) icin beklenen deger ve varyans
E(X) =
∫ b
a
x
b− adx
=1
b− a
[
b2 − a2
2
]
=(b− a)(b+ a)
2(b− a)
=a+ b
2
Ekonometri: Olasılık ve Dagılım - H. Tastan 41
X ∼ U(a, b) icin g(x) = x2 fonksiyonunun beklenen degerinibulalım.
E[g(x)] =
∫ b
ax2
1
b− a
=b3 − a3
3(b− a)
=(b− a)(b2 + ab+ a2)
3(b− a)
=a2 + ab+ b2
3= E[X2].
Ekonometri: Olasılık ve Dagılım - H. Tastan 42
X ∼ U(a, b) icin varyans
Var(X) = E[(X − E(X))2] = E(X2)− [E(X)]2
=(a2 + ab+ b2)
3− (a+ b)2
4
=(b− a)2
12
Ekonometri: Olasılık ve Dagılım - H. Tastan 43
U ∼ (a, b) icin dagılım fonksiyonu
F (x) = P (X ≤ x)
=
∫ x
a
1
b− adt
=t
b− a
∣
∣
∣
∣
x
a
=x− a
b− a, a ≤ x ≤ b aralıgı icin
yazılabilir. Oyleyse X ∼ U(a, b)’nin bof’nu soyle olur:
F (x) =
0, x < a icin;x−ab−a , a ≤ x ≤ b icin;
1, x > b icin.
Ekonometri: Olasılık ve Dagılım - H. Tastan 44
Uniform Dagılım
a b 0
a b 0
1
1
b −a
x x
f(x) F (x)
ORNEK
Asagıda verilen fonksiyonu dusunelim.
f(x) =
{
e−x, 0 < x < ∞ ise;0, degilse.
1 Bunun bir oyf oldugunu gosterin.
2 Bu fonksiyunun grafigini cizin ve X > 1 olasılıgı ile ilgili alanıisaretleyin.
3 P (X > 1) olasılıgını hesaplayın.
4 Birikimli olasılık fonksiyonunu bulun.
Ekonometri: Olasılık ve Dagılım - H. Tastan 46
ORNEK
Asagıda verilen fonksiyonu dusunelim.
f(x) =
{
e−x, 0 < x < ∞ ise;0, degilse.
1 Bunun bir oyf oldugunu gosterin.
2 Bu fonksiyunun grafigini cizin ve X > 1 olasılıgı ile ilgili alanıisaretleyin.
3 P (X > 1) olasılıgını hesaplayın.
4 Birikimli olasılık fonksiyonunu bulun.
Ekonometri: Olasılık ve Dagılım - H. Tastan 46
ORNEK
Asagıda verilen fonksiyonu dusunelim.
f(x) =
{
e−x, 0 < x < ∞ ise;0, degilse.
1 Bunun bir oyf oldugunu gosterin.
2 Bu fonksiyunun grafigini cizin ve X > 1 olasılıgı ile ilgili alanıisaretleyin.
3 P (X > 1) olasılıgını hesaplayın.
4 Birikimli olasılık fonksiyonunu bulun.
Ekonometri: Olasılık ve Dagılım - H. Tastan 46
ORNEK
Asagıda verilen fonksiyonu dusunelim.
f(x) =
{
e−x, 0 < x < ∞ ise;0, degilse.
1 Bunun bir oyf oldugunu gosterin.
2 Bu fonksiyunun grafigini cizin ve X > 1 olasılıgı ile ilgili alanıisaretleyin.
3 P (X > 1) olasılıgını hesaplayın.
4 Birikimli olasılık fonksiyonunu bulun.
Ekonometri: Olasılık ve Dagılım - H. Tastan 46
CEVAP
1 Olasılık yogunluk fonksiyonları ozelliklerini saglayıpsaglamadıgına bakalım:
1 (i) Ilk olarak, f(x) ≥ 0 kosulunun 0 < x < ∞ aralıgındaki herx degeri icin saglandıgı acıktır.
2 (ii) Ayrıca, x’in degerler aralıgında oyf’nin integralinin 1 olmasıgerekir.
∫
∞
0
e−xdx = 1
−e−x
∣
∣
∞
0= 1
−e−∞ − (−e0) = 1
0 + 1 = 1
−e−∞ = limx→∞ −e−x = 0 olarak dusunulmelidir. Bu kosulda saglandıgına gore fonksiyon bir oyf’dir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 47
CEVAP
1 Olasılık yogunluk fonksiyonları ozelliklerini saglayıpsaglamadıgına bakalım:
1 (i) Ilk olarak, f(x) ≥ 0 kosulunun 0 < x < ∞ aralıgındaki herx degeri icin saglandıgı acıktır.
2 (ii) Ayrıca, x’in degerler aralıgında oyf’nin integralinin 1 olmasıgerekir.
∫
∞
0
e−xdx = 1
−e−x
∣
∣
∞
0= 1
−e−∞ − (−e0) = 1
0 + 1 = 1
−e−∞ = limx→∞ −e−x = 0 olarak dusunulmelidir. Bu kosulda saglandıgına gore fonksiyon bir oyf’dir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 47
CEVAP
1 Olasılık yogunluk fonksiyonları ozelliklerini saglayıpsaglamadıgına bakalım:
1 (i) Ilk olarak, f(x) ≥ 0 kosulunun 0 < x < ∞ aralıgındaki herx degeri icin saglandıgı acıktır.
2 (ii) Ayrıca, x’in degerler aralıgında oyf’nin integralinin 1 olmasıgerekir.
∫
∞
0
e−xdx = 1
−e−x
∣
∣
∞
0= 1
−e−∞ − (−e0) = 1
0 + 1 = 1
−e−∞ = limx→∞ −e−x = 0 olarak dusunulmelidir. Bu kosulda saglandıgına gore fonksiyon bir oyf’dir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 47
1 P (X > 1) olasılıgı grafikte gosterilmistir.2
P (X > 1) =
∫ ∞
1e−xdx
= −e−x∣
∣
∞
1
= e−1
≈ 0.36787
3
F (x) =
∫ x
0e−tdt
= −e−t∣
∣
x
0
= −e−x + e0
= 1− e−x
Buradan birikimli olasılık fonksiyonu
F (x) =
{
0, x < 0;1− e−x, 0 < x < ∞.
olarak bulunur.Ekonometri: Olasılık ve Dagılım - H. Tastan 48
1 P (X > 1) olasılıgı grafikte gosterilmistir.2
P (X > 1) =
∫ ∞
1e−xdx
= −e−x∣
∣
∞
1
= e−1
≈ 0.36787
3
F (x) =
∫ x
0e−tdt
= −e−t∣
∣
x
0
= −e−x + e0
= 1− e−x
Buradan birikimli olasılık fonksiyonu
F (x) =
{
0, x < 0;1− e−x, 0 < x < ∞.
olarak bulunur.Ekonometri: Olasılık ve Dagılım - H. Tastan 48
1 P (X > 1) olasılıgı grafikte gosterilmistir.2
P (X > 1) =
∫ ∞
1e−xdx
= −e−x∣
∣
∞
1
= e−1
≈ 0.36787
3
F (x) =
∫ x
0e−tdt
= −e−t∣
∣
x
0
= −e−x + e0
= 1− e−x
Buradan birikimli olasılık fonksiyonu
F (x) =
{
0, x < 0;1− e−x, 0 < x < ∞.
olarak bulunur.Ekonometri: Olasılık ve Dagılım - H. Tastan 48
Ustel (Exponential) Dagılım
0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1oyf : f( x) =e−x
x
f ( x )
0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1bof : f( x) =1 −e−x
x
F ( x )
P( X > 1) =∫∞
1e−xdx
ORTAK OLASILIK YOGUNLUK FONKSIYONU
X ve Y , sırasıyla, −∞ < X < +∞ ve −∞ < Y < +∞aralıklarında tanımlı iki surekli r.d. olsun. Bu iki r.d. icin ortakolasılık yogunluk fonksiyonu, f(x, y) ile gosterilir ve asagıdaki gibitanımlanır.
f(x, y) ≥ 0,∫ ∞
−∞
∫ ∞
−∞
f(x, y)dxdy = 1,
P r(a < X < b, c < Y < d) =
∫ d
c
∫ b
af(x, y)dxdy.
Ekonometri: Olasılık ve Dagılım - H. Tastan 50
f(x, y) = xye−(x2+y2), x > 0, y > 0, icin ortak olasılık yogunlukfonksiyonu
00.5
11.5
22.5
3
0
0.5
1
1.5
2
2.5
30
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
xy
f(x,y)
Ekonometri: Olasılık ve Dagılım - H. Tastan 51
Ornek
Asagıda verilen iki degiskenli fonksiyonun bir ortak olasılıkyogunluk fonksiyonu olmasını saglayacak k sabit sayısını bulun.Elde ettiginiz ooyf’nu kullanarakP(
0 < X < 12 , 1 < Y < 2
)
olasılıgını bulun.
f(x, y) =
{
k(x+ y), 0 < x < 1, 0 < y < 2 ise;0, degilse.
Ekonometri: Olasılık ve Dagılım - H. Tastan 52
Ornek: devam
Oncelikle f(x, y) > 0 kosulunun saglanabilmesi icin k > 0 olmalı.Ikinci kosuldan hareketle
∫ 2
0
∫ 1
0k(x+ y)dxdy = 1
= k
∫ 2
0
(
1
2+ y
)
dy = k
(
1
2y +
y2
2
)∣
∣
∣
∣
2
0
= 3k = 1
k = 13 bulunur. Oyleyse ooyf
f(x, y) =
{
13(x+ y), 0 < x < 1, 0 < y < 2 ise;0, degilse.
Ekonometri: Olasılık ve Dagılım - H. Tastan 53
Istenen olasılık ooyf’nun altındaki hacim olarak bulunur:
P
(
0 < X <1
2, 1 < Y < 2
)
=
∫ 2
1
∫ 1
2
0
1
3(x+ y) dxdy
=1
3
∫ 2
1
(
1
8+
1
2y
)
dy =1
3
(
1
8y +
y2
4
)
=7
24
Ekonometri: Olasılık ve Dagılım - H. Tastan 54
MARJINAL YOGUNLUK FONKSIYONU
X’in myf:
f(x) =
∫ ∞
−∞
f(x, y)dy
Integralin sınırları y’nin tanım aralıgıdır.
Y ’nin myf:
f(y) =
∫ ∞
−∞
f(x, y)dx
Integralin sınırları x’in tanım aralıgıdır.
Ekonometri: Olasılık ve Dagılım - H. Tastan 55
Ornek
Onceki ornekteki ooyf’nu kullanarak X ve Y rassal degiskenlerininmarjinal olasılık yogunluk fonksiyonlarını bulalım.
f(x) =
∫ 2
0
1
3(x+ y)dy
=1
3
(
xy +y2
2
)∣
∣
∣
∣
2
0
=2
3(x+ 1)
Ekonometri: Olasılık ve Dagılım - H. Tastan 56
Ornek: moyf
Boylelikle X icin moyf’nu soyle yazılır:
f(x) =
{
23(x+ 1), 0 < x < 1 ise;0, degilse.
Benzer sekilde Y ’nin moyf’nu
g(y) =
{
13(y + 1
2), 0 < y < 2 ise;0, degilse.
olur.
Ekonometri: Olasılık ve Dagılım - H. Tastan 57
KOSULLU OLASILIK YOGUNLUK FONKSIYONU
Y = y degeri verilmisken X’in kosullu yogunluk fonksiyonu:
f(x|y) = f(x, y)
f(y)
Benzer sekilde X = x verilmisken Y ’nin kosullu yogunlukfonksiyonu
f(y|x) = f(x, y)
f(x)
Ekonometri: Olasılık ve Dagılım - H. Tastan 58
BAGIMSIZLIK
Hatırlarsak asagıdaki kosul saglanıyorsa A ve B bagımsız olaylardırdenir:
P (A ∩B) = P (A)P (B)
Benzer sekilde X ve Y iki bagımsız surekli r.d. ise
f(x, y) = f(x)f(y)
kosulu saglanmalıdır.i.e., ortak yogunluk fonksiyonu, marjinal yogunlukların carpımıolarak yazılabiliyorsa bu iki r.d. birbirinden bagımsızdır.
Ekonometri: Olasılık ve Dagılım - H. Tastan 59
BAGIMSIZLIK
Onceki kosul genellestirilebilir.X1,X2, . . . ,Xn rassal degiskenlerinin ortak olasılık yogunlukfonksiyonu marjinal yogunluk fonksiyonlarının carpımı olarakyazılabiliyorsa
f(x1, x2, . . . , xn) = f1(x1) · f2(x2)·, . . . , ·fn(xn)
=
n∏
j=1
fj(xj)
bu rassal degiskenler birbirinden bagımsızdır denir. Bu ozellikkullanılarak Maksimum Olabilirlik (Maximum Likelihood) tahminedicileri turetilebilmektedir. Bu konuya Tahmin Yontemleri baslıgıaltında deginecegiz.
Ekonometri: Olasılık ve Dagılım - H. Tastan 60
BAGIMSIZLIK ORNEK
Onceki ornekteki ortak oyf ve marjinal oyf’nı kullanarak X veY ’nin bagımsız olup olmadıgını bulalım.
f(x)g(x) =2
3(x+ 1)
1
3(y +
1
2)
6= f(x, y)
oldugundan X ve Y rassal degiskenleri bagımsız degildir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 61
BAGIMSIZLIK ORNEK
Asagıda verilen ooyf’nu kullanarak moyf’nı bularak bagımsız olupolmadıklarına karar verelim.
f(x, y) =
{
19 , 1 < x < 4, 1 < y < 4 ise;0, degilse.
Marjinal olasılık yogunluk fonksiyonları
f(x) =
∫ 4
1
1
9dy =
1
3
g(y) =
∫ 4
1
1
9dx =
1
3
Buradan
f(x, y) =1
9= f(x)g(y) =
(
1
3
)(
1
3
)
kosulu saglandıgı icin X ve Y rassal degiskenleri bagımsızdır.
Ekonometri: Olasılık ve Dagılım - H. Tastan 62
NORMAL DAGILIM
Notasyon: X ∼ N(µ, σ2)
f(x;µ, σ2) =1
σ√2π
exp
(
− 1
2σ2(x− µ)2
)
, −∞ < x < ∞
E(X) = µ
Var(X) = σ2
skewness = 0
kurtosis = 3
Ekonometri: Olasılık ve Dagılım - H. Tastan 63
Normal Dagılım oyf, σ2 = 1, farklı lokasyon parametreleri(µ)
−10 −8 −6 −4 −2 0 2 4 6 8 100
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4Normal Dagilim, σ2=1
x
φ(x)
µ = −5
µ = −2
µ = 0 µ = 2µ = 5
Normal Dagılım oyf, µ = 0, farklı varyans (scale)parametreleri
−10 −8 −6 −4 −2 0 2 4 6 8 100
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
x
φ(x)
Normal Dagilim, µ=0
σ2 = 1, µ = 0
σ2 = 2, µ = 0
σ2 = 3, µ = 0
STANDART NORMAL DAGILIM
Z = X−µσ ,
φ(z) =1√2π
exp
(
−1
2z2)
, −∞ < z < ∞
E(Z) = 0
Var(Z) = 1
Birikimli dagılım fonksiyonu:
Φ(z) = P (Z ≤ z) =
∫ z
−∞
1√2π
exp
(
−1
2t2)
dt
Ekonometri: Olasılık ve Dagılım - H. Tastan 66
−4 −3 −2 −1 0 1 2 3 40
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4STANDART NORMAL DAGILIM φ(z)
−4 −3 −2 −1 0 1 2 3 40
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1STANDART NORMAL DAGILIM Φ(z)
NORMAL DAGILIM OLASILIKLARININ HESAPLANMASI
X ∼ N(µ, σ2) olsun. Asagıdaki olasılıgı hesaplamak istiyoruz:
P (a < X < b) =
∫ b
a
1
σ√2π
exp
(
− 1
2σ2(x− µ)2
)
dx
Bu integralin acık bir cozumu yoktur. Ancak numerik yontemlerleistenen kesinlik duzeyinde hesaplanabilir. Bunun icin her seferindebilgisayarda hesap yapmak yerine, standart normal dagılımtablolarını kullanabiliriz. Istenen olasılıgı asagıdaki gibi yazalım:
P
(
a− µ
σ<
X − µ
σ<
b− µ
σ
)
= P
(
a− µ
σ< Z <
b− µ
σ
)
Ekonometri: Olasılık ve Dagılım - H. Tastan 68
NORMAL DAGILIM OLASILIKLARININ HESAPLANMASI
P
(
a− µ
σ< Z <
b− µ
σ
)
= Φ
(
b− µ
σ
)
− Φ
(
a− µ
σ
)
Burada Φ(z) = P (Z ≤ z) standart normal dagılımın z’dekidegeridir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 69
NORMAL DAGILIM OLASILIKLARININ HESAPLANMASI
Bu tabloda sadece pozitif degerler icin dagılım fonksiyonu degerleriverilmistir. Negatif degerler icin Φ(z) = P (Z ≤ z)’nin simetriozelligi kullanılabilir:
Φ(−z) = P (Z ≤ −z)
= P (Z ≥ z)
= 1− P (Z ≤ z)
= 1− Φ(z)
e.g.:
P (Z ≤ −1.25) = Φ(−1.25)
= 1− Φ(1.25)
= 1− 0.8944 = 0.1056
Ekonometri: Olasılık ve Dagılım - H. Tastan 70
−4 −3 −2 −1 0 1 2 3 40
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
−4 −3 −2 −1 0 1 2 3 40
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Φ(−1.25) = 0.1056
1 − Φ(1.25) = 0.1056
P(−1.25<Z<1.25) = Φ(1.25) −Φ(−1.25)= Φ(1.25) − (1−Φ(1.25))= 0.8944 − 0.1056 = 0.7888
MERKEZI LIMIT TEOREMI (CENTRAL LIMITTHEOREM)
X1,X2, . . . ,Xn herbirinin ortalaması µ ve varyansı σ2 olan ve aynı
dagılıma uyan n tane bagımsız r.d. olsun. Baska bir sekilde ifadeetmek istersek:
Xi ∼ i.i.d (µ, σ2), i = 1, 2, . . . , n
iid: turdes (identical), ve bagımsız (independent) dagılımlıBurada dagılımın ne oldugunu belirtmedigimize dikkat edin. Bur.d.’lerin toplamlarının beklenen degeri ve varyansı:
E[X1 +X2 + . . . +Xn] = E[X1] + E[X2] + . . .+ E[Xn] = nµ
Var[X1+X2+ . . .+Xn] = Var[X1]+Var[X2]+ . . .+Var[Xn] = nσ2
Ekonometri: Olasılık ve Dagılım - H. Tastan 73
MERKEZI LIMIT TEOREMI (CENTRAL LIMITTHEOREM)
Bu r.d.’lerin toplamına X diyelim. Yani, X = X1 +X2 + . . . +Xn
Z =X − E(X)√
Var(X)=
X − nµ√nσ2
=Xn − µ
n1/2
n σ
=X − µ
σ/√n
∼ N(0, 1)
MLT’ye gore gozlem sayısı arttıkca, yani, n → ∞, yukarıdaki ifadestandart normal dagılıma yakınsar, yani, Z → N(0, 1)
Ekonometri: Olasılık ve Dagılım - H. Tastan 74
MERKEZI LIMIT TEOREMI
0 0.2 0.4 0.6 0.8 10
500
1000
1500
2000n= 1
0 0.2 0.4 0.6 0.8 10
1000
2000
3000
4000n= 2
0 0.2 0.4 0.6 0.8 10
1000
2000
3000
4000n= 3
0 0.2 0.4 0.6 0.8 10
2000
4000
6000n= 10
0.2 0.3 0.4 0.5 0.6 0.70
1000
2000
3000
4000
5000n= 30
0.35 0.4 0.45 0.5 0.55 0.6 0.650
2000
4000
6000n= 50
0.35 0.4 0.45 0.5 0.55 0.6 0.650
2000
4000
6000n= 75
0.35 0.4 0.45 0.5 0.55 0.6 0.650
2000
4000
6000n= 100
0.44 0.46 0.48 0.5 0.52 0.54 0.560
2000
4000
6000n= 1000
BUYUK SAYILAR KANUNU (LAW of LARGE NUMBERS)
Merkezi Limit Teoremi, Buyuk Sayılar Kanunu ile yakındaniliskilidir. Buyuk Sayılar Kanununa gore, turdes dagılımlı (aynıanakutle beklenen degeri µ ve varyansına σ2 sahip), birbirindenbagımsız ve sonlu varyanslı n r.d.’in aritmetik ortalaması (orneklemortalaması) n buyudukce anakutle ortalamasına yakınsar.Xn = 1
n(X1 +X2 + . . .+Xn) orneklem ortalaması olsun. Buyuksayılar yasasına gore
n −→ ∞, Xn −→ µ
Baska bir deyisle, istedigimiz kadar kucuk secebilecegimiz ε gibipozitif herhangi bir sayı icin:
limn→∞
P[
|Xn − µ| < ε]
= 1
Ekonometri: Olasılık ve Dagılım - H. Tastan 76
MERKEZI LIMIT TEOREMI ORNEK
X1,X2, . . . ,X12 birbirinden bagımsız ve herbiri U ∼ (0, b), b > 0dagılımına sahip rassal degiskenler olsun. Merkezi Limit Teoreminikullanarak P ( b4 < X < 3b
4 ) olasılıgının yaklasık 0.9973 oldugunugosterelim.CEVAP: Bu 12 bagımsız r.d. uniform anakutleden geldigine goreonce anakutledeki ortalama ve varyansı bulmamız gerekir.Uniform(a, b) dagılım icin beklenen deger ve varyans
µx =b+ a
2, σ2
x =(b− a)2
12
olduguna gore, ornegimizde
µx =b
2, σ2
x =b2
12
olur.
Ekonometri: Olasılık ve Dagılım - H. Tastan 77
MERKEZI LIMIT TEOREMI: Ornek
Var(X) =σ2x
n=
b2
144
CEVAP (devam): MLT’yi kullanarak:
P
(
b
4< X <
3b
4
)
= P
(
b4 − b
2b12
<X − µx√
σ2x/n
<3b4 − b
2b12
)
= P (−3 < Z < 3) = Φ(3)− (1− Φ(3))
= 0.99865 − (1− 0.99865) = 0.9973
Ekonometri: Olasılık ve Dagılım - H. Tastan 78
Student t Dagılımı
TANIM: Z ve Y su sekilde dagılan birbirinden bagımsız iki r.d.olsun: Z ∼ N(0, 1), ve Y ∼ χ2
ν . Asagıda tanımlanan r.d. νserbestlik derecesi ile Student t Dagılımına uyar.
tν =Z
√
Y/ν∼ tν
tν rassal degiskeni ν s.d. ile Student t dagılımına uyar. Buradaki νs.d. paydada yer alan ki-kare r.d.’nin serbestlik derecesidir.
ν serbestlik derecesine sahip Student t Dagılımının o.y.f.:
f(t) =Γ(
ν+12
)
Γ(ν/2)√πν
1
(1 + (t2/ν))(ν+1)/2, −∞ < t < ∞
Tek parametreli (ν) ve simetrik bir dagılımdır. E(tν) = 0 veν ≥ 3 icin Var(tν) = ν/(ν − 2)
ν → ∞, tν → N(0, 1)
Izleyen grafikler cesitli s.d.ne sahip t yogunluklarını std normalile karsılastırmalı olarak gostermektedir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 79
Student t Dagılımı
TANIM: Z ve Y su sekilde dagılan birbirinden bagımsız iki r.d.olsun: Z ∼ N(0, 1), ve Y ∼ χ2
ν . Asagıda tanımlanan r.d. νserbestlik derecesi ile Student t Dagılımına uyar.
tν =Z
√
Y/ν∼ tν
tν rassal degiskeni ν s.d. ile Student t dagılımına uyar. Buradaki νs.d. paydada yer alan ki-kare r.d.’nin serbestlik derecesidir.
ν serbestlik derecesine sahip Student t Dagılımının o.y.f.:
f(t) =Γ(
ν+12
)
Γ(ν/2)√πν
1
(1 + (t2/ν))(ν+1)/2, −∞ < t < ∞
Tek parametreli (ν) ve simetrik bir dagılımdır. E(tν) = 0 veν ≥ 3 icin Var(tν) = ν/(ν − 2)
ν → ∞, tν → N(0, 1)
Izleyen grafikler cesitli s.d.ne sahip t yogunluklarını std normalile karsılastırmalı olarak gostermektedir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 79
Student t Dagılımı
TANIM: Z ve Y su sekilde dagılan birbirinden bagımsız iki r.d.olsun: Z ∼ N(0, 1), ve Y ∼ χ2
ν . Asagıda tanımlanan r.d. νserbestlik derecesi ile Student t Dagılımına uyar.
tν =Z
√
Y/ν∼ tν
tν rassal degiskeni ν s.d. ile Student t dagılımına uyar. Buradaki νs.d. paydada yer alan ki-kare r.d.’nin serbestlik derecesidir.
ν serbestlik derecesine sahip Student t Dagılımının o.y.f.:
f(t) =Γ(
ν+12
)
Γ(ν/2)√πν
1
(1 + (t2/ν))(ν+1)/2, −∞ < t < ∞
Tek parametreli (ν) ve simetrik bir dagılımdır. E(tν) = 0 veν ≥ 3 icin Var(tν) = ν/(ν − 2)
ν → ∞, tν → N(0, 1)
Izleyen grafikler cesitli s.d.ne sahip t yogunluklarını std normalile karsılastırmalı olarak gostermektedir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 79
Student t Dagılımı
TANIM: Z ve Y su sekilde dagılan birbirinden bagımsız iki r.d.olsun: Z ∼ N(0, 1), ve Y ∼ χ2
ν . Asagıda tanımlanan r.d. νserbestlik derecesi ile Student t Dagılımına uyar.
tν =Z
√
Y/ν∼ tν
tν rassal degiskeni ν s.d. ile Student t dagılımına uyar. Buradaki νs.d. paydada yer alan ki-kare r.d.’nin serbestlik derecesidir.
ν serbestlik derecesine sahip Student t Dagılımının o.y.f.:
f(t) =Γ(
ν+12
)
Γ(ν/2)√πν
1
(1 + (t2/ν))(ν+1)/2, −∞ < t < ∞
Tek parametreli (ν) ve simetrik bir dagılımdır. E(tν) = 0 veν ≥ 3 icin Var(tν) = ν/(ν − 2)
ν → ∞, tν → N(0, 1)
Izleyen grafikler cesitli s.d.ne sahip t yogunluklarını std normalile karsılastırmalı olarak gostermektedir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 79
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
tν ν=2
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
tν ν=2
tν ν=3
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
tν ν=2
tν ν=3
tν ν=4
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
tν ν=2
tν ν=3
tν ν=4
tν ν=5
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
tν ν=2
tν ν=3
tν ν=4
tν ν=5
tν ν=10
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
tν ν=2
tν ν=3
tν ν=4
tν ν=5
tν ν=10
tν ν=20
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Standart Normaltν ν=1
tν ν=2
tν ν=3
tν ν=4
tν ν=5
tν ν=10
tν ν=20
tν ν=30
Student t Dagılımı
Olasılıkların hesaplanması:tν , ν s.d. ile Student t dagılımına uyan bir rassal degikeni ifadeetsin. tν,α asagıdaki esitligi saglayan sayı olarak tanımlanır:
P (tν > tν,α) = α
Ornegin ν = 5 ve α = 0.05 icin yukarıdaki esitligi saglayan sayıtν,α = 2.015’dir:
P (t5 > 2.015) = 0.05
Standart Normal dagılımla karsılastırırsak:
P (Z > 2.015) ≈ 1− 0.9781 = 0.0219
Ya da esik degerlerini karsılastırırsak:
P (Z > 1.645) = 0.05
Burada 2.015 > 1.645 olduguna dikkat edin. Genel olaraktν,α ≥ zα yazılabilir. P (Z > zα) = α oldugunu hatırlayın.
Ekonometri: Olasılık ve Dagılım - H. Tastan 88
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.45 s.d. Student t dagilimi
t5
α
1−αP(t
5>2.015)=α=0.05
STUDENT t DAGILIMI
Olasılıkların hesaplanması:Kucuk orneklemlerde Student t dagılımı Normal Dagılıma goredaha yayvandır. Bu nedenle kuyruk olasılıkları daha buyuktur. νbuyudukce bu olasılıklar birbirine yaklasır. Ornegin ν = 60 icin
P (t60 > 1.671) = 0.05, ve P (Z > 1.671) =≈ 1−0.9525 = 0.0475
Yani, ν → ∞, tν,α → zα
Ekonometri: Olasılık ve Dagılım - H. Tastan 90
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.45 s.d. t dagilimi ve standard normal dagilim
Std Normal
t5
STUDENT t DAGILIMI
Olasılıkların hesaplanması (Ek Cizelge 6, s.941):ν serbestlik derecesine sahip bir t rassal degiskeninin %100(1 − α)olasılıkla icinde yer alacagı iki deger bulmak istiyoruz. t esikdegerleri tablosundan ve simetri ozelliginden hareketle
P(
tν > tν,α/2)
=α
2, ve P
(
tν < −tν,α/2)
=α
2
Olasılık parantezi icinde yer alan olaylar birbiriyle bagdasmaz vebutunu kapsayıcı olduguna gore:
P (−tν,α/2 < tν < tν,α/2) = 1− P (tν > tν,α/2)− P (tν < −tν,α/2)
= 1− α
2− α
2= 1− α
Ornegin ν = 10 ve 1− α = 0.95 icin t10,0.025 = 2.228,P (t10 > 2.228) = 0.025 ve P (t10 < −2.228) = 0.025, buradan
P (−2.228 < t10 < 2.228) = 1− 0.025 − 0.025 = 0.95
Ekonometri: Olasılık ve Dagılım - H. Tastan 92
t Dagılımı
−5 −4 −3 −2 −1 0 1 2 3 4 50
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.410 s.d. Student t dagilimi
2.228−2.228
1−α = 0.95α = 0.025α = 0.025
P(−2.228<t10
<2.228) = 1−α
Ki-kare Dagılımı
Standart normal dagılan bir rassal degiskenin karesi 1serbestlik derecesi ile ki-kare dagılımına uyar:
If Z ∼ N(0, 1) then Z2 ∼ χ21
Birbirinden bagımsız n standart normal rassal degisken nserbestlik derecesi ile ki-kare dagılımına uyar:
If Zi ∼ i.i.d. N(0, 1) i = 1, 2, . . . , n thenn∑
i=1
Z2i ∼ χ2
n
Ki-kare dagılımının bir parametresi vardır: ν (nu) serbestlikderecesi. χ2
ν icin olasılık yogunluk fonksiyonu:
f(x) =1
2ν/2Γ(ν/2)xν/2−1e−x/2, x > 0, ν > 0
where Γ: gamma fonksiyonu:
Γ(α) =
∫ ∞
0xα−1e−xdx, α > 0
Ekonometri: Olasılık ve Dagılım - H. Tastan 94
Ki-kare Dagılımı
Standart normal dagılan bir rassal degiskenin karesi 1serbestlik derecesi ile ki-kare dagılımına uyar:
If Z ∼ N(0, 1) then Z2 ∼ χ21
Birbirinden bagımsız n standart normal rassal degisken nserbestlik derecesi ile ki-kare dagılımına uyar:
If Zi ∼ i.i.d. N(0, 1) i = 1, 2, . . . , n thenn∑
i=1
Z2i ∼ χ2
n
Ki-kare dagılımının bir parametresi vardır: ν (nu) serbestlikderecesi. χ2
ν icin olasılık yogunluk fonksiyonu:
f(x) =1
2ν/2Γ(ν/2)xν/2−1e−x/2, x > 0, ν > 0
where Γ: gamma fonksiyonu:
Γ(α) =
∫ ∞
0xα−1e−xdx, α > 0
Ekonometri: Olasılık ve Dagılım - H. Tastan 94
Ki-kare Dagılımı
Standart normal dagılan bir rassal degiskenin karesi 1serbestlik derecesi ile ki-kare dagılımına uyar:
If Z ∼ N(0, 1) then Z2 ∼ χ21
Birbirinden bagımsız n standart normal rassal degisken nserbestlik derecesi ile ki-kare dagılımına uyar:
If Zi ∼ i.i.d. N(0, 1) i = 1, 2, . . . , n thenn∑
i=1
Z2i ∼ χ2
n
Ki-kare dagılımının bir parametresi vardır: ν (nu) serbestlikderecesi. χ2
ν icin olasılık yogunluk fonksiyonu:
f(x) =1
2ν/2Γ(ν/2)xν/2−1e−x/2, x > 0, ν > 0
where Γ: gamma fonksiyonu:
Γ(α) =
∫ ∞
0xα−1e−xdx, α > 0
Ekonometri: Olasılık ve Dagılım - H. Tastan 94
Ki-kare Dagılımı
χ2ν , ν serbestlik derecesi ile ki-kare dagılan bir rassal degisken
olsun. Bu rassal degiskenin beklenen deger ve varyansı:
E(χ2ν) = ν ve Var(χ2
ν) = 2ν
Normal dagılan bir populasyon icin:
(n− 1)s2
σ2=
∑ni=1(Xi −X)2
σ2∼ χ2
n−1
Serbestlik derecesi: n ortalamadan sapma, (Xi −X), bilgisi(n− 1) matematiksel bagımsız bilesene esdegerdir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 95
Ki-kare Dagılımı
χ2ν , ν serbestlik derecesi ile ki-kare dagılan bir rassal degisken
olsun. Bu rassal degiskenin beklenen deger ve varyansı:
E(χ2ν) = ν ve Var(χ2
ν) = 2ν
Normal dagılan bir populasyon icin:
(n− 1)s2
σ2=
∑ni=1(Xi −X)2
σ2∼ χ2
n−1
Serbestlik derecesi: n ortalamadan sapma, (Xi −X), bilgisi(n− 1) matematiksel bagımsız bilesene esdegerdir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 95
Ki-kare Dagılımı
χ2ν , ν serbestlik derecesi ile ki-kare dagılan bir rassal degisken
olsun. Bu rassal degiskenin beklenen deger ve varyansı:
E(χ2ν) = ν ve Var(χ2
ν) = 2ν
Normal dagılan bir populasyon icin:
(n− 1)s2
σ2=
∑ni=1(Xi −X)2
σ2∼ χ2
n−1
Serbestlik derecesi: n ortalamadan sapma, (Xi −X), bilgisi(n− 1) matematiksel bagımsız bilesene esdegerdir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 95
Ki-kare Dagılımı
Saga carpık bir dagılımdır. Yani sag kuyrugu sol kuyruga goredaha uzundur. Bu nedenle ucuncu momenti pozitiftir.
Serbestlik derecesi parametresi ν buyudukce daha simetrikdagılır. Limitte normal dagılıma yakınsar.
Ki-kare olasılıkları uygun tablolar ya da bilgisayar aracılıgıylakolayca hesaplanabilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 96
Ki-kare Dagılımı
Saga carpık bir dagılımdır. Yani sag kuyrugu sol kuyruga goredaha uzundur. Bu nedenle ucuncu momenti pozitiftir.
Serbestlik derecesi parametresi ν buyudukce daha simetrikdagılır. Limitte normal dagılıma yakınsar.
Ki-kare olasılıkları uygun tablolar ya da bilgisayar aracılıgıylakolayca hesaplanabilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 96
Ki-kare Dagılımı
Saga carpık bir dagılımdır. Yani sag kuyrugu sol kuyruga goredaha uzundur. Bu nedenle ucuncu momenti pozitiftir.
Serbestlik derecesi parametresi ν buyudukce daha simetrikdagılır. Limitte normal dagılıma yakınsar.
Ki-kare olasılıkları uygun tablolar ya da bilgisayar aracılıgıylakolayca hesaplanabilir.
Ekonometri: Olasılık ve Dagılım - H. Tastan 96
Ki-kare dagılımı
0 5 10 15 20 25 300
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5ν serbestlik dereceli ki−kare dagilimi
ν = 2
ν = 4
ν = 6
ν = 12
Ki-kare dagılımı
0 5 10 15 20 25 300
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1ν=10 serbestlik dereceli ki−kare dagiliminin olasilik yog.fonks.
f(χ 1
02
)
χ2(10)
P(χ102 >15.99) = 0.10
F Dagılımı
X1 ∼ χ2k1
ve X2 ∼ χ2k2
birbirinden bagımsız ki-kare dagılımınauyan iki rassal degisken olsun:
Asagıda tanımlanan rassal degisken k1 ve k2 serbestlikdereceleri ile F dagılımına uyar:
F =X1/k1X2/k2
∼ F (k1, k2)
F dagılımının iki parametresi vardır:
k1 payın serbestlik derecesi
k2 paydaın serbestlik derecesi
Ekonometri: Olasılık ve Dagılım - H. Tastan 99
F Dagılımı
X1 ∼ χ2k1
ve X2 ∼ χ2k2
birbirinden bagımsız ki-kare dagılımınauyan iki rassal degisken olsun:
Asagıda tanımlanan rassal degisken k1 ve k2 serbestlikdereceleri ile F dagılımına uyar:
F =X1/k1X2/k2
∼ F (k1, k2)
F dagılımının iki parametresi vardır:
k1 payın serbestlik derecesi
k2 paydaın serbestlik derecesi
Ekonometri: Olasılık ve Dagılım - H. Tastan 99
F Dagılımı
X1 ∼ χ2k1
ve X2 ∼ χ2k2
birbirinden bagımsız ki-kare dagılımınauyan iki rassal degisken olsun:
Asagıda tanımlanan rassal degisken k1 ve k2 serbestlikdereceleri ile F dagılımına uyar:
F =X1/k1X2/k2
∼ F (k1, k2)
F dagılımının iki parametresi vardır:
k1 payın serbestlik derecesi
k2 paydaın serbestlik derecesi
Ekonometri: Olasılık ve Dagılım - H. Tastan 99
F Dagılımı
X1 ∼ χ2k1
ve X2 ∼ χ2k2
birbirinden bagımsız ki-kare dagılımınauyan iki rassal degisken olsun:
Asagıda tanımlanan rassal degisken k1 ve k2 serbestlikdereceleri ile F dagılımına uyar:
F =X1/k1X2/k2
∼ F (k1, k2)
F dagılımının iki parametresi vardır:
k1 payın serbestlik derecesi
k2 paydaın serbestlik derecesi
Ekonometri: Olasılık ve Dagılım - H. Tastan 99
F Dagılımı
X1 ∼ χ2k1
ve X2 ∼ χ2k2
birbirinden bagımsız ki-kare dagılımınauyan iki rassal degisken olsun:
Asagıda tanımlanan rassal degisken k1 ve k2 serbestlikdereceleri ile F dagılımına uyar:
F =X1/k1X2/k2
∼ F (k1, k2)
F dagılımının iki parametresi vardır:
k1 payın serbestlik derecesi
k2 paydaın serbestlik derecesi
Ekonometri: Olasılık ve Dagılım - H. Tastan 99
F Dagılımı
0 1 2 3 4 50
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
F(2,8)F(6,8)F(6,20)F(10,30)
Ekonometri: Olasılık ve Dagılım - H. Tastan 100